基于随机初始化卷积神经网络的X射线图像COVID-19识别
图像与视频处理
2021-05-19 v1 计算机视觉与模式识别
摘要
截至2020年初，新型冠状病毒肺炎（COVID-19）已被宣布为全球大流行病。由于该传染病的严重性，多项研究致力于遏制其持续传播。利用深度学习（DL）模型分析胸部X射线图像是检测COVID-19的一种潜在方案。在此背景下，卷积神经网络（CNNs）被视为早期诊断的有效技术。本研究提出一种新颖的随机初始化CNN架构用于COVID-19识别。该网络由从头创建的一组不同尺寸的隐藏层构成。通过两个公开数据集（COVIDx与增强版COVID-19数据集）评估该网络性能。这两个数据集均包含三类不同的图像：COVID-19、肺炎及正常胸部X射线图像。所提出的CNN模型取得了令人鼓舞的结果，在COVIDx与增强版COVID-19数据集上的准确率分别达到94%和99%。
引用
@article{arxiv.2105.08199,
title = {Randomly Initialized Convolutional Neural Network for the Recognition of COVID-19 using X-ray Images},
author = {Safa Ben Atitallah and Maha Driss and Wadii Boulila and Henda Ben Ghézala},
journal= {arXiv preprint arXiv:2105.08199},
year = {2021}
}